时间序列预测 | Python实现FEDOT时间序列预测
基本介绍
大多数现代开源AutoML框架并没有广泛地涵盖时间序列预测任务。本文中我们将深入地研究AutoML框架之一FEDOT,它可以自动化时间序列预测的机器学习管道设计。
因此,我们将通过时间序列预测的现实世界任务详细解释FEDOT的核心正在发生什么。
模型结构
之前我们讨论过机器学习问题的管道。流水线是一个无环有向图。在FEDOT术语中,此图称为链,或组合模型,或管道。FEDOT操作的基本抽象是:
- 操作是对数据执行的操作:它可以是对数据进行预处理(标准化、标准化、填补缺失值)的操作,也可以是给出预测的机器学习模型;
节点是放置操作的容器。一个节点中只能有一个操作。- 主节点只接受原始数据,而次要节点使用来自前一级节点的输出作为预测器;链或管道是由节点组成的无循环有向图。FEDOT中的机器学习管道是通过Chain类实现的。给定的抽象如下图所示:
-
机器学习模型和经典模型,如时间序列的自回归(AR),都可以插入到这样的管道的结构中。
-
我们知道如何解决分类或回归问题。我们甚至知道如何在FEDOT中制作一个模型的管道。但是我们如何进行时间序列预测呢?我们如何使用决策树呢?特色在哪里?
-
功能就在这里!要构建具有特性的表,